DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

SEMANA 10
Dra. Maria Teresita Rojas García

1. DISTRIBUCION UNIFORME

1.1. Función de densidad de probabilidad

Se dice que la v.a. X, tiene una distribución uniforme, con parámetros a y b , con (a<b)
reales, si La función de densidad de probabilidad esta dada por la función:

Gráfica: Distribución Uniforme.

Sus parámetros son: a y b

1.2. Función de Distribución Acumulada

La función de distribución acumulada en el intervalo [a, b] está dada por:

1.3. Características

𝒂+𝒃
 Esperanza Matemática E(x) = μx =
𝟐

(𝒃−𝒂)𝟐
 Varianza Matemática V(x) = σ2x =
𝟏𝟐

 Función Generatriz de Momentos

𝑒 𝑏𝑡 −𝑒 𝑎𝑡
Mx(t) = E(etx) =
(𝑏−𝑎)𝑡

1
Ejm. 1 Los autobuses de servicio de Buenos Aires, van en un
horario estricto con intervalos de 8 minutos. Un usuario llega de
improviso un determinado paradero. Si X es la v.a. que representa el
tiempo de espera del pasajero. Hallar:
a) La función de densidad de probabilidad de la v.a. X. Graficarla.
b) La función de distribución de la v.a. X. Graficarla.
c) Halle la probabilidad de que el pasajero espere el bus menos de 5
minutos.
d) Halle la probabilidad de que el pasajero espere el bus más de
2minutos.
e) Halle la probabilidad de que el pasajero espere el bus
exactamente 7 minutos.
f) Halle la esperanza del tiempo de espera del pasajero.

Ejm. 2 En ciertos requerimientos, el espesor (milímetros) que se

comete al determinar la densidad de una sustancia es una v.a. que
tiene densidad uniforme con a= -0.015 y b= 0.015. determine la
probabilidad de que:

a) El error este entre 0.01 y 0.02 mm

b) El tamaño del error excede a 0.005 mm
c) El tamaño del error sea menor de 0.05 mm
d) Halle la varianza del error de la densidad.

2. Distribución Normal o de Gauss

Fue propuesta por Moivre en el s. XVIII (el mismo de la fórmula de

complejos), pero a la historia ha pasado con el sobrenombre de
distribución gaussina por el uso sistemático en los errores de medida de
datos astronómicos realizados por Gauss.

Una variable aleatoria, X, que sigue una distribución normal de media μ

y desviación típica σ se designa por N(μ,σ) si se cumplen las siguientes
condiciones.

2.1. Función de densidad de probabilidad

Dada por la expresión:

𝟏 𝒙− 𝝁 𝟐
𝟏 − ( )
f (x)= 𝒆 𝟐 𝝈
𝝈√𝟐𝝅
donde:
2
 -∞ < x < ∞ ; e = 2.71828 ; π = 3.14159

Parámetros: μ , σ ; con: -∞ < μ < ∞ ; σ>0

Se representa por : X N( μ , σ)

Curva de la distribución Normal

1. Es una distribución simétrica con respecto a la media μ.

2. En el eje de las abscisas es asintótica en los extremos
3. Es Unimodal
4. El área del recinto determinado por la función y el eje de las abscisas (bajo la
curva) es igual a la unidad (1).
5. Tiene un máximo en la media μ
6. Crece hasta la media μ y decrece a partir de ella
7. Presenta dos puntos de inflexión μ - σ y μ + σ
8. La probabilidad o área encerrada bajo la curva se puede dividir en sub áreas de
La forma siguiente:

 (μ - σ < X < μ + σ), dentro del cual se encuentra el 68.3 % de datos

 (μ - 2σ < X < μ + 2σ), dentro del cual se encuentra el 95.45 % de datos

 (μ - 3σ < X < μ + 3σ), dentro del cual se encuentra el 99.73 % de datos

3
2.2. Estandarización de la variable X

Para poder hallar las probabilidades se tiene que estandarizar la v.a.

x, mediante la relación:

𝑿−𝝁
𝒛=
𝝈
Donde;
Z : valor estandarizado (aproximadamente a 2 decimales)

μ : Media

𝝈: 𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒆𝒔𝒕á𝒏𝒅𝒂𝒓

Ejemplo 3.
Sea X: Tiempo de procesamiento de cierto producto (minutos)
X: 75 66 85 68 74 76 80 82
Estandarice los valores de la variable.

3. Distribución Normal Estándar o Tipificada

La distribución normal estándar o tipificada o reducida (0, 1), es la que

tiene por media μ = 0 y desviación estándar 𝝈 = 𝟏 .

Función de densidad de probabilidad

𝟏
𝟏 − (𝒁)𝟐
f (x)= 𝒆 𝟐
√𝟐𝝅

Función de distribución
𝟐
𝒛 𝟏 −𝟏𝟐(𝒁)
F (Z)= P( Z ≤ z ) =∫−∞
√𝟐𝝅
𝒆

z = -4 z=4

4
3.1. Manejo de la Tabla Normal Estándar

La Tabla nos da las probabilidades de P (Z ≤ z), siendo Z la variable

estandarizada

5
 Problema 1
Se supone que los resultados de un examen siguen una distribución normal
con media 78 y desviación típica 36. Se pide:
a) ¿Cuál es la probabilidad de que un estudiante que se presenta el examen
obtenga una calificación superior a 72?
b) Si se sabe que la calificación de un estudiante es mayor que 72 ¿cuál es la
prioridad de que su calificación sea, de hecho, superior a 84?
c) Desde que nota comienza o halle el límite inferior del mejor 25% de puntajes.
d) Qué porcentaje de estudiantes tuvieron notas entre 55 y 95 puntos

Solución:
v.a. X : Resultados del puntaje de un examen de un estudiante

X : (𝝁 = 𝟕𝟖 ; 𝝈 = 𝟑𝟔)

a) 𝑷( 𝒙 > 𝟕𝟐 )
𝟕𝟐−𝟕𝟖
= 𝟏 − 𝑷 (𝒛 < )
𝟑𝟔

= 𝟏 − 𝑷 ( 𝒛 = −𝟎. 𝟏𝟕)
-0.17 = 𝟏 − 𝟎. 𝟒𝟑𝟐𝟓𝟏
= 𝟎. 𝟓𝟔𝟕𝟒𝟗

b) 𝑷(𝑿 > 𝟖𝟒 / 𝑿 > 𝟕𝟐 )

𝑷[ 𝒙 > 𝟖𝟒 ∩ 𝒙 > 𝟕𝟐 ) 𝑷( 𝒙 > 𝟖𝟒) 𝟎.𝟒𝟑𝟔𝟒
= = = = 𝟎. 𝟕𝟕𝟒
𝑷((𝒙 > 𝟕𝟐) 𝑷(𝒙 > 𝟕𝟐) 𝟎.𝟓𝟔𝟑𝟔

Problema 2
Si X es una variable aleatoria de una distribución N(µ, σ), hallar:
P(µ−3σ ≤ X ≤ µ+3σ)

0.99865 - 0.00135 = 0.9973

Es decir, que aproximadamente el 99.73% de los valores de X están a menos

de tres desviaciones típicas de la media.
6
Problema 3

Una fábrica que produce neumáticos, con una vida media de útil de 85 mil
kilómetros y una desviación estándar de 8,3 mil kilómetros. si siguen una
distribución normal. Halle la probabilidad de:
a) Que un neumático dure más de 98 mil kilómetros.
b) Que un neumático dure entre 73 y 88 mil kilómetros.
c) Si el 50,798%de los neumáticos duran entre X1 y X2 mil kilómetros. Halle
los valores de X1 y X2, si son simétricos con respecto a la media.
d) Desde que tiempo de vida empieza el mejor 15% de neumáticos.

Problema 4

La estatura de 500 estudiantes siguen una distribución normal con una media
de 174.5 centímetros y una desviación estándar de 6.9 centímetros. Si se
supone que las estaturas se redondean al medio centímetro más cercano
cuántos de estos estudiantes y que porcentaje esperarían que tuviera una
estatura de:

a) Menos de 160 centímetros

b) Entre 171.5 y 182 centímetros
c) Igual a 172 centímetros
d) Por lo menos 188 centímetros
e) Si el 30% de estudiantes tiene sus estaturas entre x1 y x2, determine las
estaturas de x1 y x2 si son simétricos respecto a la media

Problema 5

Una máquina que regula la cantidad de hormona a dispensar para preparar una
droga puede ser ajustada para dispensar una media de µ mililitros. Se sabe que
la cantidad de hormona dispensada sigue una distribución normal con
desviación estándar de 0.4 mililitros, si la maquina descarga más de 6 mililitros,
la droga obtenida es rechazada, determine el valor de µ necesario para que solo
el 1% de la droga procesada sea rechazada.

7
3.2. Aproximación de la Binomial por la Normal

Teorema de MOIVRE

Vamos a representar en un sistema de referencia distribuciones binomiales

para distintos valores de n y p=0,3.

Queremos aproximar estas distribuciones a una distribución normal

estándar:

Se puede apreciar en los gráficos anteriores como a medida que aumenta n

mejora el parecido de las gráficas de barras de las distribuciones binomiales
(discretas) a la gráfica de la distribución normal estándar (continua), pero con
el inconveniente de que se produce un desplazamiento hacia la derecha de la
distribución binomial a medida que aumenta n
8
Distribución binomial

9
Ejemplo

10